Computerwissenschaften - Kryptographie und Sicherheit

Ein Blick auf die Schwächen von föderiertem Lernen und die Bedrohung durch Hintertürangriffe.

Eine Methode, um Backdoors zu löschen, ohne saubere Daten zu brauchen.

Eine neue Methode verbessert die Verteidigung von neuronalen Netzwerken gegen angreifende Attacken.

Gegenspieler-Beispiele können Objekterkennungssysteme verwirren und Sicherheitslücken aufdecken.

Diese Forschung stellt eine Methode vor, um echte von generierten Grafiken zu unterscheiden.

Eine Methode, um Originalbilder vor unerlaubter Nutzung zu schützen und gleichzeitig Kreativität zu ermöglichen.

Erforschen, wie SMS die Standorte von Nutzern durch Zustellberichte offenbaren können.

Der FMKR-Ansatz verbessert die APT-Erkennung und -Reaktion durch Few-Shot-Lernen.

Ein Blick auf IBLTs und deren Anwendungen im Datenmanagement.

Strategien erkunden, um Machine-Learning-Modelle gegen schädliche Datenangriffe zu verbessern.

CAPTCHA-Systeme stehen zunehmenden Bedrohungen durch Lösungssysteme gegenüber, da sich die Technologie weiterentwickelt.

Ein neuer Ansatz, um Hintertürangriffe in Machine-Learning-Systemen zu verstehen.

Revolutionäre Methoden verbessern die Verteidigung gegen Backdoor-Angriffe in tiefen neuronalen Netzwerken.

Erforschen, wie Quantencomputing die Finanzen transformieren und die Sicherheit von Blockchain beeinflussen kann.

Neues Framework verbessert das Vertrauen in IoT-Daten, indem es Geräte über die Hardware-Leistung authentifiziert.

Dieser Artikel stellt eine neue Methode vor, um Transaktionen fair und effizient zu ordnen.

Ein Überblick über die Herausforderungen von Datenschutz und Fairness im föderierten Lernen.

Untersuchung der Übererfassung von Daten in den immer beliebter werdenden Unter-Apps von WeChat.

Ein Blick darauf, wie wichtig es ist, sensible Daten in der Cloud zu sichern.

Ein neues Framework verbindet Datenschutz- und Robustheitstechniken für vertrauenswürdiges maschinelles Lernen.

Lerne, wie Deep-Learning-Modelle verschlüsselte Bilder verarbeiten, während sie die Privatsphäre wahren.

Die Bedeutung und die häufigen Fehlanwendungen von Sicherheits-APIs in Software untersuchen.

Eine neue Methode schützt die persönliche Privatsphäre beim Teilen von Mobilitätsdaten in Krisensituationen.

Untersuchung der Auswirkungen von voreingenommenen Daten in der Audiowiedergabetechnologie.

Entdecke, wie maschinelles Lernen die Netzwerksicherheit gegen Online-Bedrohungen verbessert.

Eine Studie über die Verbindung von fein abgestimmten Modellen zu ihren Basisversionen.

Dieser Artikel untersucht Datenschutzprobleme bei verkörperter KI durch Gradienteninversionsmethoden.

Lern, wie Brücken verschiedene Verschlüsselungsmethoden verbinden, um die Datensicherheit aufrechtzuerhalten.

Die Zukunft der Verschlüsselung mit dem Aufkommen von Quantentechnologie betrachten.

Eine neue Datensammelplattform geht die Herausforderungen des maschinellen Lernens in der Netzwerksicherheit an.

Finanzinstitute suchen nach sicheren Wegen, um Daten zu teilen und gleichzeitig die Privatsphäre zu schützen.

Eine neue Methode, um Malware-Erkennung zu umgehen, birgt ernsthafte Cybersecurity-Risiken.

Ein neuer Ansatz für Stablecoins, um Transaktionen über Blockchains hinweg reibungsloser zu gestalten.

Ein praktischer Ansatz, um eine reibungslose Kommunikation zwischen verschiedenen Blockchain-Plattformen zu ermöglichen.

Entdecke, wie Edge-Lernen die IoT-Sicherheit und -Performance in modernen Netzwerken verbessert.

Eine Studie über die Erkennung von Homoglyph-Attacken zum Schutz von Nutzern im Internet.

SlothSpeech zeigt Schwächen in Sprach­erkennungssystemen und bremst sie richtig aus.

Die Nutzung von privaten und öffentlichen Daten verbessert das maschinelle Lernen und schützt dabei die Privatsphäre.

Die Möglichkeit von Quantenmining zu untersuchen, um den Energieverbrauch bei Kryptowährungen zu reduzieren.

Dieser Artikel behandelt Techniken, um Genauigkeit und Privatsphäre in Machine-Learning-Modellen zu erreichen.